Bạn có thể yêu cầu mô hình Gemini phân tích các tệp video mà bạn cung cấp cùng dòng (được mã hoá base64) hoặc thông qua URL. Khi sử dụng Vertex AI in Firebase, bạn có thể đưa ra yêu cầu này ngay trong ứng dụng của mình.
Với khả năng này, bạn có thể làm những việc như:
- Thêm phụ đề và trả lời câu hỏi về video
- Phân tích các phân đoạn cụ thể trong video bằng dấu thời gian
- Chụp lời nội dung video bằng cách xử lý cả bản âm thanh và khung hình hình ảnh
- Mô tả, phân đoạn và trích xuất thông tin từ video, bao gồm cả bản âm thanh và khung hình ảnh
Chuyển đến mã mẫu Chuyển đến mã cho phản hồi truyền trực tuyến
Xem các hướng dẫn khác để biết thêm các tuỳ chọn xử lý video Tạo đầu ra có cấu trúc Trò chuyện nhiều lượt |
Trước khi bắt đầu
Nếu bạn chưa hoàn tất, hãy hoàn thành hướng dẫn bắt đầu sử dụng. Hướng dẫn này mô tả cách thiết lập dự án Firebase, kết nối ứng dụng với Firebase, thêm SDK, khởi chạy dịch vụ Vertex AI và tạo một thực thể GenerativeModel
.
Để kiểm thử và lặp lại các câu lệnh của bạn, thậm chí là nhận được một đoạn mã đã tạo, bạn nên sử dụng Vertex AI Studio.
Gửi tệp video (được mã hoá base64) và nhận văn bản
Hãy đảm bảo bạn đã hoàn tất phần Trước khi bắt đầu của hướng dẫn này trước khi thử mẫu này.
Bạn có thể yêu cầu mô hình Gemini tạo văn bản bằng cách nhắc bằng văn bản và video, cung cấp mimeType
của mỗi tệp đầu vào và chính tệp đó. Hãy xem các yêu cầu và đề xuất đối với tệp đầu vào ở phần sau của trang này.
Swift
Bạn có thể gọi
generateContent()
để tạo văn bản từ dữ liệu đầu vào đa phương thức của tệp văn bản và video.
import FirebaseVertexAI
// Initialize the Vertex AI service
let vertex = VertexAI.vertexAI()
// Create a `GenerativeModel` instance with a model that supports your use case
let model = vertex.generativeModel(modelName: "gemini-2.0-flash")
// Provide the video as `Data` with the appropriate MIME type.
let video = InlineDataPart(data: try Data(contentsOf: videoURL), mimeType: "video/mp4")
// Provide a text prompt to include with the video
let prompt = "What is in the video?"
// To generate text output, call generateContent with the text and video
let response = try await model.generateContent(video, prompt)
print(response.text ?? "No text in response.")
Kotlin
Bạn có thể gọi
generateContent()
để tạo văn bản từ dữ liệu đầu vào đa phương thức của tệp văn bản và video.
// Initialize the Vertex AI service and create a `GenerativeModel` instance
// Specify a model that supports your use case
val generativeModel = Firebase.vertexAI.generativeModel("gemini-2.0-flash")
val contentResolver = applicationContext.contentResolver
contentResolver.openInputStream(videoUri).use { stream ->
stream?.let {
val bytes = stream.readBytes()
// Provide a prompt that includes the video specified above and text
val prompt = content {
inlineData(bytes, "video/mp4")
text("What is in the video?")
}
// To generate text output, call generateContent with the prompt
val response = generativeModel.generateContent(prompt)
Log.d(TAG, response.text ?: "")
}
}
Java
Bạn có thể gọi
generateContent()
để tạo văn bản từ dữ liệu đầu vào đa phương thức của tệp văn bản và video.
ListenableFuture
.
// Initialize the Vertex AI service and create a `GenerativeModel` instance
// Specify a model that supports your use case
GenerativeModel gm = FirebaseVertexAI.getInstance()
.generativeModel("gemini-2.0-flash");
GenerativeModelFutures model = GenerativeModelFutures.from(gm);
ContentResolver resolver = getApplicationContext().getContentResolver();
try (InputStream stream = resolver.openInputStream(videoUri)) {
File videoFile = new File(new URI(videoUri.toString()));
int videoSize = (int) videoFile.length();
byte[] videoBytes = new byte[videoSize];
if (stream != null) {
stream.read(videoBytes, 0, videoBytes.length);
stream.close();
// Provide a prompt that includes the video specified above and text
Content prompt = new Content.Builder()
.addInlineData(videoBytes, "video/mp4")
.addText("What is in the video?")
.build();
// To generate text output, call generateContent with the prompt
ListenableFuture<GenerateContentResponse> response = model.generateContent(prompt);
Futures.addCallback(response, new FutureCallback<GenerateContentResponse>() {
@Override
public void onSuccess(GenerateContentResponse result) {
String resultText = result.getText();
System.out.println(resultText);
}
@Override
public void onFailure(Throwable t) {
t.printStackTrace();
}
}, executor);
}
} catch (IOException e) {
e.printStackTrace();
} catch (URISyntaxException e) {
e.printStackTrace();
}
Web
Bạn có thể gọi
generateContent()
để tạo văn bản từ dữ liệu đầu vào đa phương thức của tệp văn bản và video.
import { initializeApp } from "firebase/app";
import { getVertexAI, getGenerativeModel } from "firebase/vertexai";
// TODO(developer) Replace the following with your app's Firebase configuration
// See: https://firebase.google.com/docs/web/learn-more#config-object
const firebaseConfig = {
// ...
};
// Initialize FirebaseApp
const firebaseApp = initializeApp(firebaseConfig);
// Initialize the Vertex AI service
const vertexAI = getVertexAI(firebaseApp);
// Create a `GenerativeModel` instance with a model that supports your use case
const model = getGenerativeModel(vertexAI, { model: "gemini-2.0-flash" });
// Converts a File object to a Part object.
async function fileToGenerativePart(file) {
const base64EncodedDataPromise = new Promise((resolve) => {
const reader = new FileReader();
reader.onloadend = () => resolve(reader.result.split(',')[1]);
reader.readAsDataURL(file);
});
return {
inlineData: { data: await base64EncodedDataPromise, mimeType: file.type },
};
}
async function run() {
// Provide a text prompt to include with the video
const prompt = "What do you see?";
const fileInputEl = document.querySelector("input[type=file]");
const videoPart = await fileToGenerativePart(fileInputEl.files[0]);
// To generate text output, call generateContent with the text and video
const result = await model.generateContent([prompt, videoPart]);
const response = result.response;
const text = response.text();
console.log(text);
}
run();
Dart
Bạn có thể gọi generateContent()
để tạo văn bản từ dữ liệu đầu vào đa phương thức của tệp văn bản và video.
import 'package:firebase_vertexai/firebase_vertexai.dart';
import 'package:firebase_core/firebase_core.dart';
import 'firebase_options.dart';
await Firebase.initializeApp(
options: DefaultFirebaseOptions.currentPlatform,
);
// Initialize the Vertex AI service and create a `GenerativeModel` instance
// Specify a model that supports your use case
final model =
FirebaseVertexAI.instance.generativeModel(model: 'gemini-2.0-flash');
// Provide a text prompt to include with the video
final prompt = TextPart("What's in the video?");
// Prepare video for input
final video = await File('video0.mp4').readAsBytes();
// Provide the video as `Data` with the appropriate mimetype
final videoPart = InlineDataPart('video/mp4', video);
// To generate text output, call generateContent with the text and images
final response = await model.generateContent([
Content.multi([prompt, ...videoPart])
]);
print(response.text);
Tìm hiểu cách chọn một mô hình và tuỳ ý chọn một vị trí phù hợp với trường hợp sử dụng và ứng dụng của bạn.
Truyền trực tuyến phản hồi
Hãy đảm bảo bạn đã hoàn tất phần Trước khi bắt đầu của hướng dẫn này trước khi thử mẫu này.
Bạn có thể đạt được các lượt tương tác nhanh hơn bằng cách không chờ toàn bộ kết quả từ quá trình tạo mô hình, mà thay vào đó, hãy sử dụng tính năng truyền trực tuyến để xử lý một phần kết quả.
Để truyền trực tuyến phản hồi, hãy gọi generateContentStream
.
Yêu cầu và đề xuất đối với tệp video đầu vào
Hãy xem phần "Các tệp đầu vào được hỗ trợ và yêu cầu đối với Vertex AI Gemini API" để tìm hiểu thông tin chi tiết về những nội dung sau:
- Các lựa chọn khác nhau để cung cấp tệp trong một yêu cầu (dùng cùng dòng hoặc sử dụng URL hoặc URI của tệp)
- Yêu cầu và các phương pháp hay nhất về tệp video
Các loại MIME video được hỗ trợ
Mô hình đa phương thức Gemini hỗ trợ các loại MIME video sau:
Loại MIME của video | Gemini 2.0 Flash | Gemini 2.0 Flash‑Lite |
---|---|---|
FLV – video/x-flv |
||
MOV – video/quicktime |
||
MPEG – video/mpeg |
||
MPEGPS – video/mpegps |
||
MPG – video/mpg |
||
MP4 – video/mp4 |
||
WEBM – video/webm |
||
WMV – video/wmv |
||
3GPP – video/3gpp |
Giới hạn cho mỗi yêu cầu
Sau đây là số lượng tệp video tối đa được phép trong một yêu cầu lời nhắc:
- Gemini 2.0 Flash và Gemini 2.0 Flash‑Lite: 10 tệp video
Bạn có thể làm gì khác?
- Tìm hiểu cách đếm mã thông báo trước khi gửi lời nhắc dài đến mô hình.
- Thiết lập Cloud Storage for Firebase để bạn có thể đưa các tệp lớn vào yêu cầu đa phương thức và có giải pháp quản lý tốt hơn để cung cấp tệp trong lời nhắc. Tệp có thể bao gồm hình ảnh, tệp PDF, video và âm thanh.
- Bắt đầu suy nghĩ về việc chuẩn bị cho bản phát hành chính thức, bao gồm cả việc thiết lập Firebase App Check để bảo vệ Gemini API khỏi hành vi lạm dụng của các ứng dụng không được uỷ quyền. Ngoài ra, hãy nhớ xem lại danh sách kiểm tra cho bản phát hành chính thức.
Thử các tính năng khác
- Xây dựng cuộc trò chuyện nhiều lượt (trò chuyện).
- Tạo văn bản từ lời nhắc chỉ văn bản.
- Tạo kết quả có cấu trúc (như JSON) từ cả lời nhắc bằng văn bản và đa phương thức.
- Tạo hình ảnh từ câu lệnh dạng văn bản.
- Sử dụng tính năng gọi hàm để kết nối các mô hình tạo sinh với hệ thống và thông tin bên ngoài.
Tìm hiểu cách kiểm soát việc tạo nội dung
- Tìm hiểu về thiết kế câu lệnh, bao gồm cả các phương pháp hay nhất, chiến lược và câu lệnh mẫu.
- Định cấu hình các tham số mô hình như nhiệt độ và mã thông báo đầu ra tối đa (đối với Gemini) hoặc tỷ lệ khung hình và tạo người (đối với Imagen).
- Sử dụng chế độ cài đặt an toàn để điều chỉnh khả năng nhận được những câu trả lời có thể bị coi là có hại.
Tìm hiểu thêm về các mẫu được hỗ trợ
Tìm hiểu về các mô hình có sẵn cho nhiều trường hợp sử dụng, cũng như hạn mức và giá của các mô hình đó.Gửi ý kiến phản hồi về trải nghiệm của bạn với Vertex AI in Firebase